面向综合能源系统可靠性评估的 - gei-journal.com · a hierarchical decoupling optimal...

中国电机工程学会能源互联网专委会首届学术年会会议论文集Proceedings of the First Academic Annual Meeting of Energy Internet Committee of CSEE2019 年 8 月 Aug. 2019

Abstract: Energy security is a critical issue related to the national economy and the people’s livelihood. The basic task of integrated energy system, the core of the future energy system, is to supply safe and reliable energy. To solve the problem that the traditional optimal load curtailment algorithm is difficult to converge, a hierarchical decoupling optimal load curtailment algorithm for integrated energy system reliability evaluation is proposed. The optimal dispatch of energy hubs and the optimal power flow of electricity/gas/heat subsystems are uncoupled and calculated based on the hierarchical decoupling optimal load curtailment framework, the optimal load curtailment of integrated energy system under various fault states is obtained. As demonstrated with numerical examples, this approach can be applied in the power-gas-heat integrated energy system reliability evaluation, reasonably reflects the impact of complementation and transformation among electricity, gas and heat on the system reliability under various fault states, is also available for weak point analysis and reliability improvement planning.

Keywords: integrated energy system; reliability assessment; optimal load curtailment algorithm; hierarchical decoupling framework

摘要：能源安全问题是关系国计民生的重要问题。综合能

源系统是未来能源系统的核心环节，其基础任务是保证安全

可靠的能源供应。针对最优负荷削减量统一求解法难以收敛

的问题，提出了一种面向综合能源系统可靠性评估的最优负

荷削减量分层解耦计算方法。基于分层解耦的最优负荷削减

模型分别计算能源集线器优化调度和电/气/热子系统最优潮

流问题，得到综合能源系统在各种故障状态下的最优负荷削

减量。算例结果表明，该算法能够运用于电气热综合能源系

统的可靠性评估,合理反映故障状态下电气热互补转化过程对

系统可靠性的影响，也可用于系统薄弱环节分析和可靠性提

升计划制定。

关键词：综合能源系统；可靠性评估；最优负荷削减算法；

分层解耦模型

0 引言

随着环境污染和气候变化等问题日益严重，全

球能源领域正在掀起一场有史以来最深刻和最广泛

的革命，传统电力系统难以适应新的能源供需格局

和发展趋势，而以电力系统为核心的综合能源系统

（integrated energy system, IES）将成为未来人类社会

能源的主要承载形式[1]。综合能源系统[2]耦合多种能

源子系统，统一规划调度多种能源的产生、传输、转

换、分配等过程，从而满足需求侧的多样化需求，提

高能源利用效率，增强能源供用的灵活性。但相较于

传统电力系统，综合能源系统规划设计和优化运行过

程中面临着更多的不确定性因素，如空气源热泵、燃

气轮机和蓄能式电暖器等新设备，这些不确定性因素

面向综合能源系统可靠性评估的最优负荷削减量分层解耦计算方法

赵长伟 1，张慧颖 1，刘春玲 1，高嘉欣 1，刘泽宇 2，侯恺 2，贾宏杰 2

（1. 国网天津市电力公司城东供电分公司，天津市河东区 300250；

2. 天津大学智能电网教育部重点实验室，天津市南开区 300072）

A Hierarchical Decoupling Optimal Load Curtailment Algorithm for Integrated Energy Systems Reliability Evaluation

ZHAO Changwei1, ZHANG Huiying1, LIU Chunling1, GAO Jiaxin1, LIU Zeyu2, HOU Kai2, JIA Hongjie2

(1. Chengdong Power Supply Company, State Grid Tianjin Electric Power Company, Hedong District, Tianjin 300250, China;

2. Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Nankai District, Tianjin 300072, China)

基金项目：国网天津市电力公司科技项目（智慧园区与智慧

小镇关键技术构架及运营模式研究，KJ19-1-03）。

State Grid Tianjin Electric Power Company Technology Project (Research on Key Technology Architecture and Operation Model of Intelligent Park and Intelligent Town KJ19-1-03).

32 中国电机工程学会能源互联网专委会首届学术年会会议论文集 2019 年 8 月

CSEE

EIC

使得电网、热网和气网的耦合程度大幅度增加，系统

规划、运行工作更加复杂困难，给系统的安全稳定

运行带来巨大挑战[3-4]。可靠性评估能够对系统进行

风险评估，量化分析系统元件故障、检修等因素对

系统可靠性的影响，便于在综合能源系统的规划运

行过程中，快读准确地对系统可靠性进行评估，并

依据评估结果采取相关措施。综合能源系统可靠性

评估主要包括 [5]：系统状态选取、系统状态影响计

算和系统可靠性指标计算。系统状态影响是指系统

在选定状态下为满足运行约束，在采取包括源出力

调整、变压器档位调整、燃气系统压缩机功率调整

等所有补救措施后，仍然需要的负荷削减量。因此，

负荷削减是系统为保证有效运行所采取的最终措施，

一种高效准确的电气热综合能源系统的最优负荷削

减量计算方法对系统规划、运行、调度等过程都有

着极为重要的意义。

综合能源系统最优负荷削减算法是最为常用的一

种负荷削减量计算方法[5]，其目标函数是系统的负荷

削减量最低，结合等式约束和不等式约束条件，利用

优化方法求解得到系统在元件故障、检修等情况下的

最小损失负荷，该算法可用于量化计算综合能源系统

元件故障、分布式能源出力变化和负荷波动等各类不

确定因素对供能充裕性和安全性的影响，并提出相应

的提升措施[6]。

综合能源系统最优负荷削减算法的关键在于系统

建模仿真和最优潮流算法（optimal power flow, OPF）两方面。系统建模仿真方面，瑞士苏黎世联邦理工学

院提出了能源集线器模型[7-8]，通过耦合矩阵来表示不

同能源传输、分配、转换的过程特性，可用于综合能

源系统的潮流计算[9]、可靠性分析[10]等领域。最优潮

流算法方面，目前的研究可分为统一求解法[11]和顺序

求解法[12]两类。前者是将各子系统潮流过程和能源转

换过程综合起来建立的最优负荷削减模型，但该模型

的方程往往是非凸的，雅可比矩阵奇异，算法难以收

敛，且计算结果也难以保证全局最优。文献[13]采用

线性化的方法提出了基于MILP的电/气综合能源系统

最优潮流计算方法，但难以进一步应用于电气热综合

能源系统。顺序求解法也可称为是解耦求解法[3]，本

文在文献[3]基于电气耦合系统的分层解耦优化模型

的基础上，提出了一种面向电气热综合能源系统可靠

性评估的最优负荷削减量分层解耦计算方法，在能源

集线器的基础上将综合能源系统调度过程解耦为单一

OPF问题，考虑各能源子系统之间的影响，可以高效

准确地求解电气热综合能源系统在各种故障状态下的

最优负荷削减量。

本文首先分别建立了电气热子系统的最优潮流

计算模型，并分析耦合环节能源集线器的能量转换

与分配特性；进一步，提出了一种电气热综合能源

系统最优负荷削减的分层解耦算法，并给出了其应

用于综合能源系统可靠性评估的算法框架。最后利

用所提方法对综合能源系统算例进行可靠性评估，

详细分析了该算例系统中电气热互补转化对可靠性

的影响，并对系统进行了薄弱环节分析和相应可靠

性提升分析。

1 综合能源系统最优负荷削减模型

综合能源系统是未来重要的能源供给形式[14]。本

文所考虑的综合能源系统包括电/气/热三个子系统，

三个子系统通过能源集线器形成耦合关系，从而进行

联合优化调度运行，如图1所示。

10kv

CHP

图 1 综合能源系统

Fig. 1 Integrated energy system

1.1 电力系统

电力系统的最优负荷削减模型以最优潮流为基

础，以负荷削减量最低为目标函数：

（1）

式中：Ne为电力系统的节点数量；ΔLe,i为电力系统节

点i的负荷削减量。相应模型的约束条件为：

,

1

min

eN

e ii

L=

∆∑

2019 年 8 月赵长伟等：面向综合能源系统可靠性评估的最优负荷削减量分层解耦计算方法　33

CSEE

EIC

( , , , ) 0

0

e

e e e

e e

f∆

== −

P Q VL L PP L

P P P

Q Q Q

V V V

θ

θ θ θ

（2）

式中：Le为电力系统节点负荷；Pe为电力系统节点潮

流；P、Q、V、θ分别为电力系统的有功潮流、无功

潮流、电压和相角，对应后4个公式表示其取值的上

下限；方程fe为电网节点注入功率与节点电压关系的

节点功率方程，极坐标形式下的功率平衡方程[15]为：

（3）

式中：Pi和Qi分别为节点i注入的有功功率和无功功率；

Ui和Uj分别为节点 i和 j的电压；Gij和Bij分别为节点导纳

矩阵的电导和电纳；θij为节点i和 j电压相角差，θij = θi – θj。

1.2 天然气系统

天然气系统包括气源、输气管道、压缩机和负荷

节点等。天然气由气源节点供应，通过输气管道传输

到负荷节点，燃气轮机可以将天然气转化为电能和热

能以供用户使用，压缩机可以提高天然气传输过程中

的气压以弥补传输过程中的压力损失[16]。天然气系统

的最优负荷削减模型为：

（4）式中：Ng为天然气系统的节点数量；ΔLg, j为天然气系统

节点 j的负荷削减量。相应模型的约束条件为：

（5）

式中：Lg为天然气系统节点负荷；Pg为天然气系统节

点潮流；Fmn、Hc、π分别为天然气网络支路流量、压

缩机功率和节点气压，对应后3个公式表示其取值的

上下限；方程 fg为天然气系统潮流方程[17]：

（6）

( cos sin )( sin cos )

i i ij ij ij ij

i ij ij ij ij

j

i j

P U G BU G B

UQ U

θ θθ θ

= = −

+∑∑

,

1

min

gN

g jj

L=

∆∑

( , , ) 0

0

g mn c

g g g

g g

mn mn mn

c c c

f = = −

F HL L PP L

F F F

H H H

π

πππ

∆

mn c 0AF + S L GF =

式中：A为系统的拓扑矩阵，表示节点与支路的关联

关系，支路包括压缩机和管道；S为气源节点出力；L为负荷节点需求；G为压缩机与节点的关联矩阵；若

压缩机由燃气轮机驱动，即压缩机需要消耗一定量的

天然气，Fc为压缩机消耗气体量：

（7）式中：ac、bc和cc为拟合系数。

1.3 热力系统

热力系统的最优负荷削减模型为：

（8）

式中：Nh为天然气系统的节点数量；ΔLh,k为热力系统

节点k负荷削减量。相应模型的约束条件为：

（9）

式中：Lh为热力系统节点负荷；Ph为热力系统节点潮

流；m、Ts、Tr分别为管道流量、节点供给温度和返

回温度，对应后三个公式表示其取值的上下限；方程

f h为热力系统潮流方程[18]：

（10）

式中Φ为节点消耗或供给的热功率。

1.4 能源集线器

综合能源系统通过耦合元件联结电力系统、燃气

系统和热力系统等，使得电/气/热各种能源之间可以

相互转化、相互补充，从而提高了能源利用效率和系

统能源供给的灵活性。综合能源系统中各能源子系

统之间能量转化、分配和存储等过程通过多种耦合

元件如热电联产机组、空调、冷热电三联供机组等

设备完成，能源集线器模型 [8]利用耦合矩阵准确描

述综合能源系统中各种设备对电、热、气等能源的

转化与分配。

2( )c c c c c c cF H a H b H c= + +

,

1

min

hN

h kk

L=

∑Δ

( , , ) 0

0

h s r

h h h

h h

s s

r r r

f∆

= = −

m T TL L PP L

m m m

T T T

T T Ts

1( , )

sf =

T m

2( ) 0f =m

3( , ) 0

sf =T m

4( , ) 0

rf =T m

Φ


CSEE

EIC

c c cL Pc c cL P

c c cL P

αα βα ωαα α

αβ ββ ωββ β

αω βω ωωω ω

=

（11）

式中：L、C和P分别代表能源集线器的输入端、输出

端和耦合矩阵；cij表示能量从第i个能源转换到第 j个

能源的效率。

本文所讨论的能源集线器如图2所示，可以看

到，能源集线器的输入和输出均为电、气和热，明显

可以看出电气热系统中的潮流方向。该能源集线器

包含5种设备：变压器（T）、空调（AC）、天然气管

道（GP）、热电联产机组（CHP）和热交换器（HE），AC和CHP是耦合设备，能源集线器的耦合矩阵为：

（12）

式中：Le、Lg、Lh、Pe、Pg和Ph分别为能源集线器的电

气热三输出和电气热三输入；η是设备能量转化的效率；

v是与电气热能源分配有关的调度因子，ve,T + ve,AC = 1。

CHP

图 2 能源集线器结构图

Fig. 2 Structure of energy hub

能源集线器优化调度模型同样以负荷削减量最低

为目标函数：

, ,

,

, ,

0

0 1 0

1

e T e T CHP e g CHP e

g g CHP g

AC e AC CHP h g CHP hh

L PL P

PL

η υ η υυ

η υ η υ

−

−

= −

( ), , ,

1

min

EHN

e i h i g ii

L L L=

+ +∑ ∆ ∆ ∆

（13）

式中：NEH为耦合节点即能源集线器的数量；i为能源

集线器标号；e、g、h分别为电/气/热三种能源；ΔL为能源集线器电/气/热输出负荷削减量。其约束条件为：

（14）

式中：Pmin和Pmax为P的下限值和上限值；L0为最初输

入的能源集线器电/气/热负荷。

2 综合能源系统最优负荷削减算法

2.1 综合能源系统分层解耦的最优负荷削减模型

解耦求解法利用现有成熟的潮流求解方法对各能

源子系统进行独立求解，再基于能源集线器求解能源

耦合方程，求解灵活且易于收敛。本文基于解耦求解

法的思路，给出了综合能源系统基于分层解耦的最优

负荷削减算法。

图3为综合能源系统分层解耦的最优负荷削减模

型（hierarchical decoupling optimal load curtailment framework of IES, HDOLCF），模型分为外层和内层，

内层是分别对电气热能源子系统进行以负荷削减量最

小为目标的最优潮流(OPF)计算，外层则是利用能源

集线器对综合能源系统中电气热三种能源进行整体优

化调度，从而体现三种能源的互补转化关系，通过内

外两层模型的不断迭代求解，得到最终收敛解。该模

型可将综合能源系统最优负荷削减问题转化为单一的

OPF问题，极大地降低了原问题的复杂性，显著提高

了计算效率、稳定性和实用性。

图 3 综合能源系统分层解耦的最优负荷削减模型

Fig. 3 HDOLCF in IES

0

00

min max

∆ = −

L = CPL L L

P P P

L L


CSEE

EIC

2.2 综合能源系统可靠性评估方法

综合能源系统分层解耦的最优负荷削减量计算方

法是综合能源系统可靠性评估方法的重要部分。目前

传统可靠性评估方法主要有两种：状态枚举法（SE）和蒙特卡洛法（MCS），两种方法各有其适用场合[19]。

本文采用状态枚举法对综合能源系统进行可靠性评估。

状态枚举法先利用枚举算法选择系统状态，然后

通过综合能源系统分层解耦的最优负荷削减量计算方

法来定量评估所选择状态的负荷削减量，最后求得其

总的数学期望，即可靠性指标。

状态枚举法中系统状态可表示为：

（15）

式中：ai和ui分别为第i个系统元件的可用率和不可用

率；N是系统的元件总数。

系统状态s的概率P(s)为：

（16）

式中：Nf是系统状态s中失效元件的数量。

状态枚举法的可靠性指标R为：

（17）

式中：I(s)为状态s的影响函数即可靠性指标，如负荷

削减等；Ω为系统状态集合。

可靠性指标由相应的状态影响函数I(s)确定，在

实际工程中常采用EENS[20]作为可靠性评估指标，根

据式（18）可得。

（18）式中：T是可靠性评估的时间尺度；ILC(s)是综合能源

系统状态s的负荷削减量。

2.3 综合能源系统可靠性评估算法流程

将分层解耦的最优负荷削减模型应用于状态枚举

法，对电气热综合能源系统的可靠性评估，算法流程

如图4所示。具体步骤为：

步骤1：输入综合能源系统数据，包括电/气/热系

统和能源集线器等。

步骤2：设定综合能源系统分层解耦优化模型的

收敛阈值δ、最大迭代次数NHDOF和故障状态枚举最高

阶数N。初始化故障阶数k = 1。步骤3：建立k阶故障状态集Ωs

k，如下：

（19）

1 1 2 2( )( ) ( ) 1 1 1 1N Na u a u a u+ + + = × × × =

1 1

( )

f fN N N

i ji j

P s u a−

= == ∏ ∏

( ) ( )s

R I s P sΩ∈

= ∑

EENS= ( ) ( )LC

sT I s P s

Ω∈∑

| , ( ) 0,1,2, ,| , ( )

s sks

ks s

v v s Card v nv v s Card v k

ΩΩ

Ω Ω

= ⊂ = = ⊂ = ⊆

式中：Ωs是系统状态s的ns阶以内故障状态总集；Ωsk是

Ωs的k阶故障状态子集；Card(a)表示状态v包括的故障

元件数。当k = 0时，Ωsk = ϕ。

步骤4：从k阶系统故障状态集Ω ks中选取综合能源

系统故障状态s，对综合能源系统状态s的最优负荷削

减量进行计算。

步骤5：初始化迭代次数计算器n = 1。

图 4 综合能源系统可靠性评估算法流程图

Fig. 4 Flowchart of IES reliability assessment

k=1

Ωsk

k s

n = 1

Pmax

δ

HDOF

Ωsk

Re

Rg

Rh

n = n + 1

n NHDOF

k = k + 1

k = N?

δmax

<δ


CSEE

EIC

步骤6：结合式（13）和（14）求解分层解耦模

型外层的能源集线器调度优化结果。

步骤7：根据能源集线器调度优化结果，修正分

层解耦优化模型中内层各能源子系统的负荷：

（20）

式中：i∈EH表示电力系统节点i与能源集线器相连；

i∉EH表示电力系统节点 i与能源集线器不相连；j和k分别表示天然气系统和热力系统。

步骤8：分别求解电力系统负荷削减的最优潮流

问题，见式（1）和（2），天然气系统负荷削减的最

优潮流问题，见式（4）和（5），热力系统负荷削减

的最优潮流问题，见式（8）和（9），得到电/气/热能

源子系统的最优负荷削减量。

步骤9：根据前一步计算得到的各能源子系统的

最优负荷削减量修正外层模型中能源集线器输入P的

上限值Pmax：

（21）

步骤10：根据步骤8得到的最优负荷削减量来计

算判断模型是否收敛的δmax：

（22）

步骤11：若δmax<δ，转到步骤13；否则，进行下

一步。

步骤12：迭代计数器n = n+1，若n<NHDOF，转到

步骤6；否则，模型不收敛，转到步骤13。步骤13：计算系统故障状态s下综合能源系统的

电/气/热最优负荷削减量ΔLs,e、ΔLs,g和ΔLs,h：

（23）

,

,

,

,

,

,

,

,

,

e ie i

e i

e

g jg j g

g jh

h kh k

h k

L i EHL

P i EHi N

L j EHL j N

P j EHk N

L k EHL

P k EH

∉= ∈

∈ ∉ = ∈ ∈ ∈ ∉ = ∈

,

,

,

,

,

,

emax,i e i e

gmax, j g j g

hmax,k h k h

P P i N i EHP P j N j EHP P k N k EH

= ∈ ∈

= ∈ ∈ = ∈ ∈ ,

,

,

,

,

,

=max( , , , , , )

,

,

,

max i j k

i e i e

j g j g

k h k h

L i N i EHL j N j EHL k N k EH

δ δ δ δ

δδδ

= ∈ ∈

= ∈ ∈ = ∈ ∈

… … …

Δ

Δ

Δ ,

,

,

( )

( )

( )

0

, , ,

1

0

, , ,

1

0

, , ,

1

e

g

h

N

s e e i e i eiN

s g g j g j g

j

N

s h h k h k h

k

L L P i N

L L P j N

L L P k N

=

=

=

= − ∈

= − ∈ = − ∈

∑

∑

∑

Δ

Δ

Δ

,

,

,

式中：L0是步骤1输入的综合能源系统初始各节点负

荷数据，包括电\气\热能源子系统节点负荷和各能源

集线器输出负荷；P是本轮迭代中步骤5所得到的最优

负荷削减量计算结果。

步骤14：判断k阶故障状态是否分析完成，若是，

继续下一步骤；若否，跳到步骤4。步骤15：判断k是否等于N，若是，继续下一步

骤；若否，k加1并跳到步骤3。步骤16：基于式（17）计算电\气\热可靠性指标

Re、Rg和Rh：

（24）

3 算例分析

本文综合能源系统算例由IEEE 33节点电力系统[21]、

32节点热力系统[18]和14节点天然气系统[22]组成，如图

5所示。年负荷曲线见文献[23]。IEEE 33节点系统发

电出力容量为9 MW，峰值负荷为3.175 MW，32 节点

热力系统出力容量为4.5 MW，峰值负荷为2.164 MW。

,

1

,

1

,

1

k

k

s

s

sk

N

e s s e

k s

N

g s s g

k

s

N

h

k sh

s

s

R L

L

R

P

R P

P L

Ω

Ω

Ω

= ∈

= ∈

= ∈

= ∆

∆

= =

∆

∑ ∑

∑ ∑

∑ ∑

H3

E26

E27E5

E4E3

E2

E28

E29

E30

E31

E32

E33

E18E17

E16

E9E10

E11E12

E22

E21

E20

E19

E1

10kv

E15

E14

E13

E25E24E23

E6 E7 E8

EH#1Lh

Le

Lh

Le

Lh

Le

Lh

Le

EH#2

EH#3

EH#4

HE

H3 G2 E26

AC TCHP

HE AC TCHP

HE AC TCHP

HE

HE

H11 G13 E17

H4 G3 E13

AC

AC

T

T

CHP

CHP

G8 E29H20

H4

H2H1

H8

H5

H6

H11 H12

H13

H14

H27

H25

H23

H22

H24

H26H29

H28

H31

H30

H32

H10

H9

H7

HS

HS

GS GS

GS

HS H10

H19

H21

H17

H15

H16

G1

G3

G2 G4 G5 G8 G9 G12 G14

G13

G11G10G7G6

H20

CHP

图 5 综合能源系统测试算例

Fig. 5 Test case of IES


CSEE

EIC

14节点天然气系统出力容量为1.9 MW，峰值负荷为

0.285 MW。压缩机由燃气轮机驱动，抽头位置为注气

管道端。接入4个能源集线器，能源集线器电/气/热输

入最大限制等于接入节点相应负荷的1.5倍，输出侧电

气热负荷等于接入节点相应负荷。

本文将所提的电气热综合能源系统分层解耦最优

负荷削减算法应用于可靠性评估中，求解分析线路故

障状态下系统的可靠性水平，可靠性评估方法为状态

枚举法，指标为EENS，状态枚举阶数为2，不可用率为

0.1%。

3.1 耦合环节分析

区别于传统独立解耦的电/气/热系统，综合能源

系统通过燃气轮机、空调等耦合元件将电/气/热等子

系统联结起来形成一个整体系统，因此有必要分析综

合能源系统耦合环节对可靠性的影响。能源集线器作

为主要的耦合环节，本节主要分析能源集线器结构对

可靠性的影响。

图5综合能源系统算例中设置了4个能源集线器，

将此算例作为基础算例A1，改变能源集线器的内部结

构，能源集线器中具有耦合作用的元件有空调(AC)和热电联产机组(CHP)，空调具有电热耦合作用，热电

联产机组具有电气热耦合作用，通过增删上述3种元

件完成能源集线器内部结构的改变形成算例。算例A2在算例A1基础上删除热电联产机组，仅保留电热耦合

元件空调；算例A3在算例A1基础上删除空调，仅保

留电气热耦合元件热电联产机组；算例A4能源集线器

仅保存元件变压器、天然气管道和热交换器，电/气/热子系统完全解耦。对算例A1—A4进行可靠性分析，

结果见表1。

表 1 不同耦合环节的可靠性评估结果

Table 1 Reliability assessment of different coupling parts

算例能源集线器结构EENS /(MWh/a)

Re Rg Rh

A1 CHP-AC 42.0331 5.8504 27.4513

A2 AC 42.6860 4.4297 28.5826

A3 CHP 40.9957 5.6819 38.9969

A4 — 41.2528 4.4297 39.6555

表1表明耦合环节对系统可靠性有重要影响。耦

合环节能源集线器的结构设置不同，综合能源系统各

子系统耦合关系不同，相应不同能源之间的转移转化

过程不同，对可靠性的影响也会有区别。表2给出了

表1各算例中能源集线器对应的能源子系统耦合关系，

其中箭头表示能量流动方向。根据表1和表2得到不同

能源集线器结构对电/热可靠性的影响能力并进行排

序，见表3。表3对能源集线器结构对可靠性影响能力进行排

序，红色代表可靠性影响为正，即增强可靠性，绿色

代表可靠性影响为负，即减弱可靠性。可以看出，AC和CHP可以将电和气转化为热，所以引入能源集线器

结构后，将电力系统、天然气系统和热力系统耦合起

来，对热可靠性有很大的提升。但为了补充热负荷，

会加重电负荷和天然气负荷，有可能会导致气可靠性

或电可靠性的下降。

表 2 能源子系统耦合关系

Table 2 Coupling relationship of energy subsystem

算例能源集线器结构能源子系统耦合关系

（E—电力系统，G—天然气系统，H—热力系统）

A1 CHP-AC E→H G→E&H

A2 AC E→H

A3 CHP G→E&H

A4 — 各子系统相互独立

表 3 耦合环节对可靠性的影响能力

Table 3 The order of the impact of coupling parts on reliability

影响排序电可靠性Re 气可靠性Rg 热可靠性Rh

1 CHP — CHP-AC

2 — AC AC

3 CHP-AC CHP CHP

4 AC CHP-AC —

3.2 薄弱环节分析

通过系统可靠性分析，发现系统内的薄弱环节并

予以加强是可靠性评估的重要功能。通过分层解耦的

电气热最优负荷削减模型，各电气热子系统可被独立

分析。本节将对电力线路、天然气管道和热力管道进

行薄弱环节分析，确定相应的薄弱环节，为下一步系

统可靠性的提升提供参考。

图6、7和8分别给出了电、气、热可靠性的薄弱


CSEE

EIC

环节分析结果、电可靠性指标EENS主要由电力线路

故障导致，薄弱环节为电力线路1和2，其中电力线路

EL1是算例图5中配网系统电源供应的唯一通道，是极

为重要的线路；天然气系统拓扑结构呈环状，环内的

各条线路都对可靠性有着重要影响，PG1、PG4和PG6都是影响较大环节，其中PG6是影响最大的薄弱环节；

热力系统整体结构成环，且局部放射，大多数元件都

对可靠性有着重要影响。在故障影响较大的管道中，

PH13、PH30和PH31处于热网环结构中，PH5、PH7等管道位于局部放射状结构中，故障直接影响其相连

负荷的供给能力，可认为PH13、PH30和PH31是热力

系统的主要薄弱环节。

图 6 电可靠性的薄弱环节分析

Fig. 6 Weak point analysis in electricity reliability

0

5

10

15

20

25

30

35

LE1 LE2 LE-else PH&PG

EENS/(MWh/a)

0

0.4

0.8

1.2

1.6

2

PG1 PG4 PG6 PG7 PG8 PG9 PG-else LE&PH

EENS/(MWh/a)

图 7 气可靠性的薄弱环节分析

Fig. 7 Weak point analysis in gas reliability

00.511.522.533.54

PH5

PH7

PH8

PH9

PH11

PH13

PH14

PH15

PH16

PH17

PH20

PH22

PH23

PH25

PH26

PH27

PH28

PH29

PH30

PH31

PH-else

LE&PG

EENS/(MWh/a)

图 8 热可靠性的薄弱环节分析

Fig. 8 Weak point analysis in heat reliability

3.3 可靠性提升分析

根据上一节薄弱环节分析的结果，针对薄弱环节

进行可靠性提升，采用检修计划优化、设备升级、备

用线路架设等方式提高薄弱环节的可靠性，即降低元

件的不可用率。对薄弱环节提升后的综合能源系统算

例进行可靠性分析，结果见表4。表4可以看出薄弱环节升级改造后，不同能源子

系统可靠性的提升程度存在差异。电可靠性提升程度

最大，这是由于电力线路LE1是电源出力唯一通道，

是电可靠性指标EENS的主要来源。热可靠性的提升

程度有限，因为算例热力系统中存在大量的发射状网

络，仅仅对个别热力管道进行加强所产生的可靠性提

升效果有限。

表 4 可靠性提升分析结果

Table 4 Results of reliability improvement

提升环节不可用率EENS (MWh/a)

Re Rg Rh

基准 0.1% 42.0331 5.8504 27.4513

LE1 0.05% 25.9230 5.8509 27.4466

LE1 0.01% 13.0348 5.8514 27.4429

LE2 0.01% 34.4352 5.8500 27.4532

LE1, LE2 0.01% 5.4282 5.8511 27.4448

PG6 0.01% 42.0357 4.1240 27.4499

PH13 0.01% 42.0362 5.8505 24.3116

PH30 0.01% 42.0366 5.8507 24.1127

PH31 0.01% 41.6651 5.8503 24.1289

PH30, PH31 0.01% 41.6682 5.8507 20.7899

PH13, PH30, PH31 0.01% 41.6710 5.8508 17.6453

4 结论

最优负荷削减算法是综合能源系统可靠性评估的

重要环节。本文给出了一种面向电气热综合能源系统

可靠性评估的最优负荷削减量分层解耦计算方法，可

以有效稳定地求解电气热综合能源系统在故障状态下

的最优负荷削减量，从而对系统进行可靠性评估。利

用该方法分析了不同能源耦合环节结构对系统电/气/热可靠性的影响能力，研究了多能源互补转化对可靠

性的影响。结果表明，多能源耦合可以在整体上提升

能源供给的可靠性，但也可能会降低部分能源子系统

的可靠性。同时，也对系统进行了薄弱环节分析和相


CSEE

EIC

应可靠性提升分析。

未来的工作应将设备故障纳入系统故障状态考虑

范围，同时考虑综合能源系统中分布式发电、储能和

电动汽车等新能源新技术对系统可靠性的影响。

参考文献

[1] 贾宏杰，穆云飞，余晓丹. 对我国综合能源系统发展的思

考[J]. 电力建设，2015，36(1)：16-25.

Jia Hongjie, Mu Yunfei, Yu Xiaodan. Thought about

the integrated energy system in China[J]. Electric Power

Construction, 2015, 36(1): 16-25(in Chinese).

[2] 贾宏杰，王丹，徐宪东，等. 区域综合能源系统若干问题

研究[J] . 电力系统自动化，2015，39(7)：198-207.

Jia Hongjie, Wang Dan, Xu Xiandong, et al. Research on

some key problems related to integrated energy systems[J].

Automation of Electric Power Systems, 2015, 39(7): 198-

207(in Chinese).

[3] Lei Yunkai, Hou Kai, Wang Yue, et al. A new reliability

assessment approach for integrated energy systems: using

hierarchical decoupling optimization framework and impact-

increment based state enumeration method[J]. Applied Energy,

2018, 210: 1237-1250.

[4] 侯恺. 电力系统可靠性评估方法改进与应用研究[D]. 天津：

天津大学，2016.

Hou Kai. Power system reliability assessment methodology

improvement and its application[D]. Tianjin: Tianjin

University, 2016(in Chinese).

[5] 赵渊，周家启，刘洋. 发输电组合系统可靠性评估中的最

优负荷削减模型分析[J]. 电网技术，2004，28(10)：34-37.

Zhao Yuan, Zhou Jiaqi, Liu Yang. Analysis on optimal

load shedding model in reliability evaluation of composite

generation and transmission system[J]. Power System

Technology, 2004, 28(10): 34-37(in Chinese).

[6] 雷云凯. 基于影响增量的电力系统及综合能源系统可靠性

评估方法[D]. 天津：天津大学，2018.

Lei Yunkai. Impact-increment based reliability assessment

method for power system and integrated energy system[D].

Tianjin: Tianjin University, 2018(in Chinese).

[7] Geidl Martin, Andersson Goran. Optimal coupling of energy

infrastructures[C]// IEEE Lausanne Power Tech, Lausanne,

Switzerland, 2007.

[8] Geidl Martin, Koeppel Gaudenz, Favre-Perrod Patrick et

al. Energy hubs for the future[J]. IEEE Power and Energy

Magazine, 2007, 5(1): 24-30.

[9] 林威，靳小龙，穆云飞，等. 区域综合能源系统多目标最

优混合潮流算法[J]. 中国电机工程学报，2017，37(20)：

5829-5839.

Lin Wei, Jin Xiaolong, Mu Yunfei, et al. Multi-objective

optimal hybrid power flow algorithm for integrated local area

energy system[J]. Proceedings of the CSEE, 2017, 37(20):

5829-5839(in Chinese).

[10] Lei Yunkai, Zhang Pei, Hou Kai, et al. An incremental

reliability assessment approach for transmission expansion

planning[J]. IEEE Transactions on Power Systems, 2018,

33(3): 2597-2609.

[11] Liu Xuezhi, Wu Jianzhong, Jenkins Nick, et al. Combined

analysis of electricity and heat networks[J]. Applied Energy,

2016, 162: 1238-1250.

[12] 王伟亮，王丹，贾宏杰，等. 考虑运行约束的区域电力-天

然气-热力综合能源系统能量流优化分析[J]. 中国电机工程

学报，2017，37(24)：7108-7120.

Wang Weiliang, Wang Dan, Jia Hongjie, et al. Analysis of

energy flow optimization in regional electricity-gas-heat

integrated energy system considering operational constraints[J],

Proceedings of the CSEE, 2017, 37(24): 7108-7120(in

Chinese).

[13] Shao Chengcheng, Wang Xifan, Shahidehpour Mohammad, et

al. An MILP-based optimal power flow in multicarrier energy

systems[J]. IEEE Transactions on Sustainable Energy, 2017,

8(1): 239-248.

[14] 余晓丹，徐宪东，陈硕翼，等. 综合能源系统与能源互联

网简述[J]. 电工技术学报，2016，31(1)：1-13.

Yu Xiaodan, Xu Xiandong, Chen Shuoyi, et al. A brief

review to integrated energy system and energy internet[J].

Transactions of China electrotechnical society, 2016, 31(1):

1-13(in Chinese).

[15] Martinez-Mares Alberto, Fuerte-Esquivel Claudio. A unified

gas and power flow analysis in natural gas and electricity

coupled networks[J]. IEEE Transactions on Power Systems,

2012, 27(4): 2156-2166.

[16] Ouyang Liang-biao, Aziz Khalid. Steady-state gas flow in

pipes[J]. Journal of Petroleum Science & Engineering, 1996,

14(3-4): 137-158.

[17] 孙国强，陈霜，卫志农，等. 计及相关性的电-气互联系统

概率最优潮流[J]. 电力系统自动化，2015，39(21)：11-17.

Sun Guoqiang, Chen Shuang, Wei Zhinong, et al. Probabilistic

optimal power flow of combined natural gas and electric

system considering correlation[J]. Automation of Electric

Power Systems, 2015, 39(21): 11-17(in Chinese).

[18] Liu Xuezhi. Combined analysis of electricity and heat

networks[D]. Cardiff: Cardiff University, 2013.

[19] Bill inton R, Allan R N. Power-system reliabili ty in

perspective[J]. Electronics and Power, 1984, 30(3): 231-236.

[20] Hou Kai, Jia Hongjie, Yu Xiaodan, et al. An impact


CSEE

EIC

increments-based state enumeration reliability assessment

approach and its application in transmission systems[C]// IEEE

Power and Energy Society General Meeting, Boston, USA,

2016.

[21] Mohamed Imran, Kowsalya M. A new power system

reconfiguration scheme for power loss minimization and

voltage profile enhancement using Fireworks Algorithm[J].

International Journal of Electrical Power & Energy Systems,

2014, 62: 312-322.

[22] Wang Jiangjiang, Fu Chao, Yang Kun, et al. Reliability and

availability analysis of redundant BCHP (building cooling,

heating and power) system[J]. Energy, 2013, 61: 531-540.

[23] Probability Methods Subcommittee. IEEE reliability test

system[J]. IEEE Transactions on Power Apparatus and

Systems. 1979, PAS-98(6): 2047-2054.

赵长伟

作者简介：

赵长伟（1982），男，高级工程

师，主要研究方向：电力系统规划，

综合能源系统可靠性分析，E-mail：[email protected]。

张慧颖（1990），女，工程师，主

要研究方向：综合能源系统规划，

E-mail：[email protected]。

刘春玲（1982），女，高工，主要

研究方向：电网投资规划，E-mail：[email protected]。

（责任编辑李锡）

（本文已被《全球能源互联网》录用）

面向综合能源系统可靠性评估的 - gei-journal.com · a hierarchical decoupling optimal...

Documents